如何在googlecolab'；上有效地使用R keras（以及其他在后台使用python的R包）；有python内核的笔记本？

这部分与google colab中的about

keras

包和

R

有关。但我对这样的工作流程有一些特别的怀疑

1.大家都知道我们有。谷歌colab的GPU和TPU的使用确实很有趣

尽管文档中说，如果我们想在

keras

上使用GPU，我们需要在R中运行

install_keras（）

，但在google colab上，它可以在没有此设置的情况下工作。这两种python都不需要安装

但深度学习过程非常耗时。。。在一个笔记本中运行所有代码有一些限制。。。将对象拆分为多个对象，保存并共享结果对象以在下一个笔记本中重复使用可能会很有趣

我们可以认为，由于环境是短暂的，上述情况更为可取。解决方案是安装谷歌硬盘，以便能够使用其数据，并在其上保存部分输出。但安装谷歌硬盘似乎仅限于python笔记本电脑。。。是的，我们进行了讨论，提出了解决方案，但我未能实施这些方案

所以我真的很好奇R

keras

用户（以及其他R用户）在使用google colab时是如何处理这样一个问题的

如果我们坚持使用不止一个笔记本的工作流，一些可能的相关问题是（没有答案）

---

因此，我尝试了另一种选择：使用python笔记本，并使用

rpy2

在其中的特定单元格中运行R，就像前面提到的和其他讨论一样。。。是的，有人会问为什么不在Python上编码。。。忽略它，仍然保持

但碰巧R的keras是python的api，需要python运行。。。但我不知道为什么，当我尝试运行任何

keras

函数时，即使是一个简单的

%%R
imdb<-dataset_imdb()

它返回相同的值

R[写入控制台]：错误：创建conda时发生错误1 environment/root/.local/share/r-miniconda/envs/r-networkite

错误：创建conda环境时发生错误1 /root/.local/share/r-miniconda/envs/r-networkite

---

所以，我的主要问题是： 如何有效地使用google colab笔记本中的R

keras

（以及其他在后台使用python的R包）和python内核

我在这里缺少的是

rpy2

%%R
library(reticulate)
py_config()